为了便于说明，此脚本创建一个文件viewDidLoad()，其中包含作为参数给出的文件内容，前缀为带有sha1校验和的二进制标头，允许在后续运行中进行重复检测。
这里需要的是一个可清除的mapfile替换，它可以使用最少的模糊来保存sha1校验和，但不会阻塞'\ 0'字节。
ctypes.c_char运行：# -*- coding: utf8 -*
import io
import mmap
import ctypes
import hashlib
import logging
from collections import OrderedDict
log = logging.getLogger(__file__)
def align(size, alignment):
"""return size aligned to alignment"""
excess = size % alignment
if excess:
size = size - excess + alignment
return size
class Header(ctypes.Structure):
Identifier = b'HEAD'
_fields_ = [
('id', ctypes.c_char * 4),
('hlen', ctypes.c_uint16),
('plen', ctypes.c_uint32),
('name', ctypes.c_char * 128),
('sha1', ctypes.c_char * 20),
]
HeaderSize = ctypes.sizeof(Header)
class CtsMap:
def __init__(self, ctcls, mm, offset = 0):
self.ctcls = ctcls
self.mm = mm
self.offset = offset
def __enter__(self):
mm = self.mm
offset = self.offset
ctsize = ctypes.sizeof(self.ctcls)
if offset + ctsize > mm.size():
newsize = align(offset + ctsize, mmap.PAGESIZE)
mm.resize(newsize)
self.ctinst = self.ctcls.from_buffer(mm, offset)
return self.ctinst
def __exit__(self, exc_type, exc_value, exc_traceback):
del self.ctinst
self.ctinst = None
class MapFile:
def __init__(self, filename):
try:
# try to create initial file
mapsize = mmap.PAGESIZE
self._fd = open(filename, 'x+b')
self._fd.write(b'\0' * mapsize)
except FileExistsError:
# file exists and is writable
self._fd = open(filename, 'r+b')
self._fd.seek(0, io.SEEK_END)
mapsize = self._fd.tell()
# mmap this file completely
self._fd.seek(0)
self._mm = mmap.mmap(self._fd.fileno(), mapsize)
self._offset = 0
self._toc = OrderedDict()
self.gen_toc()
def gen_toc(self):
while self._offset < self._mm.size():
with CtsMap(Header, self._mm, self._offset) as hd:
if hd.id == Header.Identifier and hd.hlen == HeaderSize:
self._toc[hd.sha1] = self._offset
log.debug('toc: [%s]%s: %s', len(hd.sha1), hd.sha1, self._offset)
self._offset += HeaderSize + hd.plen
else:
break
del hd
def add_data(self, datafile, data):
datasize = len(data)
sha1 = hashlib.sha1()
sha1.update(data)
digest = sha1.digest()
if digest in self._toc:
log.debug('add_data: %s added already', digest)
return None
log.debug('add_data: %s, %s bytes, %s', datafile, datasize, digest)
with CtsMap(Header, self._mm, self._offset) as hd:
hd.id = Header.Identifier
hd.hlen = HeaderSize
hd.plen = datasize
hd.name = datafile
hd.sha1 = digest
del hd
self._offset += HeaderSize
log.debug('add_data: %s', datasize)
blktype = ctypes.c_char * datasize
with CtsMap(blktype, self._mm, self._offset) as blk:
blk.raw = data
del blk
self._offset += datasize
return HeaderSize + datasize
def close(self):
self._mm.close()
self._fd.close()
if __name__ == '__main__':
import os
import sys
logconfig = dict(
level = logging.DEBUG,
format = '%(levelname)5s: %(message)s',
)
logging.basicConfig(**logconfig)
mf = MapFile('mapfile')
for datafile in sys.argv[1:]:
if os.path.isfile(datafile):
try:
data = open(datafile, 'rb').read()
except OSError:
continue
else:
mf.add_data(datafile.encode('utf-8'), data)
mf.close()
第二次调用它，它使用sha1摘要作为键读取文件，收集有序字典中的所有项目。不幸的是，c_char数组语义有点连线，因为它也的行为类似'\ 0'终止的c字符串，导致这里的校验和被截断。
见第3和第4行：
python3 hashable_ctypes_bytes.py somefiles*通常的建议是用c_byte * 20替换c_char * 20，并以此方式丢失透明字节处理。除了数据转换麻烦之外，c_byte数组由于是字节数组而不可清除。我没有找到一个实际的解决方案，没有经历来回的重度转换麻烦，或采用hexdigest，这使sha1摘要大小要求翻倍。
我认为，c_char设计决定将它与C零终止语义混合起来是一个错误。为了解决这个问题，我可以想象将c_char_nz类型添加到ctypes，这可以解决这个问题。
对于那些仔细阅读代码的人，您可能想知道ctypes结构的del语句。可以在here:找到对它的讨论。
答案 0 :(得分：0)
虽然以下代码正在执行您提到的来回转换，但它确实可以很好地隐藏问题。我发现一个包含null的哈希，该字段现在可以用作字典键。希望它有所帮助。
from ctypes import *
import hashlib
class Test(Structure):
_fields_ = [('_sha1',c_ubyte * 20)]
@property
def sha1(self):
return bytes(self._sha1)
@sha1.setter
def sha1(self, value):
self._sha1 = (c_ubyte * 20)(*value)
test = Test()
test.sha1 = hashlib.sha1(b'aaaaaaaaaaa').digest()
D = {test.sha1:0}
print(D)
输出：
{b'u\\\x00\x1fJ\xe3\xc8\x84>ZP\xddj\xa2\xfa#\x89=\xd3\xad': 0}